Calpuff模式中地面氣象資料對流場和濃度的影響

易海濤

(中冶節能環保有限責任公司，北京 100088)

?

Calpuff模式中地面氣象資料對流場和濃度的影響

易海濤

(中冶節能環保有限責任公司，北京 100088)

隨著模型預測要求和模擬精度的不斷提高，越來越多的建設項目在環評中使用Calpuff模式，該模式對地面氣象資料使用和參數的設定比較復雜。實例模擬結果表明，地面站數量和部分氣象參數的設定對預測結果的影響有限，在符合《環境影響評價導則 大氣環境》規定和模型輸入需求的前提下，環評中對地面站點的數量要求不必過于嚴格，可視預測模擬精度要求適當調整。

Calpuff模式；地面氣象資料；流場；濃度；誤差

Calpuff模式與Aermod、ADMS模式的根本差異在于前者是區域內流場和溫度場非穩態、非定常情況下的煙團模式，而后兩者是假定為穩態情況下的高斯擴散模式。煙團模式適用于更大的區域，可以模擬污染物向更遠距離的擴散和輸送。一般認為，Calpuff模式在300 km范圍內仍然具有較好的精確性[1]；而Aermod和ADMS模式對于風場定常的假定在模擬范圍較大時往往不成立，一般認為其適用范圍不大于50 km，地形越復雜適用范圍越小。

由于《環境影響評價導則 大氣環境》的推薦、Calpuff模式本身具備的優點以及環評預測要求的提高，目前Calpuff模式已經越來越多地應用于項目環評[2-7]。除其他技術要求外，Calpuff模式中對氣象資料的需求和參數設置要比Aermod和ADMS模式復雜得多[8]，而國內氣象資料獲取不易，也增加了Calpuff模式應用的障礙。本文主要針對項目環評關心的問題，通過實例討論地面站氣象資料對流場和濃度預測結果的影響，以加深對Calpuff模式的認識和理解，并希望就一些未知的問題引出更多的研究和探討。

為通過實例研究以上問題，收集了華北某地2014年整年的兩組氣象資料，每組包含3個地面站資料、4個點位高空觀測資料(從M3D分離的*.ua文件)、1個來自于MM5的M3D氣象場(9 km×9 km，網距4 km)。兩組資料分別對應兩個不同地形區域，站點位置和模擬區域如圖1所示：(a)為基本平坦區，3個地面站之間的相互距離為31 km左右，源點約在此三角形的中心；(b)為山區，3個地面站相距90～100 km，源點在A1—C1站之間。設置1個低矮點源，源高h為10～240 m，煙囪內徑d為3 m，出口速度V為5 m/s，煙溫T為310 K，源強Q為500 t/a，計算網格為36 km×36 km，間距為1 km。根據以上氣象資料，驗算了大量情景，雖不能代表所有情形，但能說明一些共性問題。

圖1 模擬地點和氣象站位置Fig.1 Simulation site and location of weather station site

1 高空站觀測數據的使用

高空數據在Calpuff模式中是必須輸入的，來源于實測或者模擬數據。由于很難得到可直接使用的實際觀測的高空數據，實際工作中大多使用從MM5網格數據中提取的單點*.ua數據。盡管*.ua和M3D數據都來源于MM5數據，但分別使用*.ua和M3D數據計算出來的濃度分布具有較大差異。因為Calpuff模式估算濃度分布主要依賴于高空風場，使用一個點的*.ua數據時，計算出來的高空風場比較簡單，甚至是均勻的；而M3D數據每一個網格點上都有一套*.ua數據，計算出的高空風場要精細得多，二者濃度分布形式差異明顯。在沒有實測高空數據的情況下，實際工作中應盡量使用M3D數據。下文高空氣象資料均使用M3D數據，限于篇幅，本文暫不討論實測高空數據的影響。

2 地面站風向風速的影響

2.1 對地面以上風向風速的影響

地面站越多，模擬出的流場越精細。地面站對流場模擬結果產生影響的主要參數是最大影響半徑R和是否對地面風速進行垂直外推。R反映地形特征在地面層上內插計算中的限制性影響。半徑以內，各點風向風速受地面站資料影響明顯，如圖2(a)所示，從站點向外直達半徑范圍，影響權重逐漸降低；半徑以外，影響不明顯，如圖2(b)所示。如果選擇“地面風速不垂直外推”，那么這種影響只作用于地面層，反之會影響到地面層以上各高度的風向風速，但從60 m高度開始，影響基本只發生在白天時段(約8:00—

18:00)，晚間時段風向風速基本一致(限于篇幅，本文不作詳述)。地面風速垂直外推對于半徑內外風速的影響如表1所示。

圖2 地面站影響半徑內外流場示例(A站2014-04-09 13:00)Fig.2 Example of flow field inside and outside the radius of influence

地面風速是否垂直外推高度/m無地面站時某些點的風向風速,相對于有3個地面站時(R=5km)的誤差點1:A站半徑內站點正西0.3km點2:A站半徑外站點正西8km點3:C站半徑內站點正北4km點4:C站半徑外站點正北13km風速誤差/%風向誤差/°風速誤差/%風向誤差/°風速誤差/%風向誤差/°風速誤差/%風向誤差/°外推10105.448.70.90.3103.7210030874631.2455.119.9006036.724.730.782812.70012035.123.31.90.862712.10024031.2211.70.62411.900不外推106646007.32100其余高度00000000

2.2 對計算濃度的影響

(1)從前文分析可知，通過參數的選擇，地面站風向風速可以影響到地面以上高度的模擬結果，但Calpuff模式在計算濃度時并不是完全依據合成的風向風速，而是主要依據M3D中的風向風速，即使源高為10 m也是如此。地面風向對濃度分布影響的比較如表2所示。由表2可知，雖然有3個地面站的參與，濃度分布的形式與源高處的風向也不一致，而與M3D風場基本一致。所以，在使用M3D數據的情況下，地面站風向風速對濃度計算有影響，但沒有決定性的影響。這里取前6個小時的資料計算是因為Calpuff模式的計算結果受前3～6個小時的影響，時間越近，影響比重越大。由于這一影響既不是平均也不是疊加，而是前幾個小時煙團擴散飄移的影響，所以要取得當前小時濃度，必須同時計算之前至少6個小時的濃度。

表2 地面風向對濃度分布影響比較

(2)為盡可能體現地面站資料對計算濃度的影響，取地面站影響半徑R為40 km，地形特征影響半徑為40 km，使整個模擬區域都在半徑之內，并取地面風速全部垂直外插，即所有計算點地面和高度都能受到地面站風向風速的影響。計算結果的誤差比較如表3所示。從表3可以看出，4種情況下的年均、日均和小時濃度分布幾無差別，即使沒有地面站參與，最大誤差也未超過30%。不同的項目情景，具體誤差會不同，以大氣擴散模式的精度來說，都在可接受范圍內。

表3 不同地面站參與時對預測結果的影響(以A、B、C 3站結果為比較基準)

(3)應該指出，這里所指的誤差是相對于有3個地面站參與的結果而言，并不代表對真值的誤差。實際工作中，絕大多數工業項目都與地面氣象站有幾十甚至上百公里以上的距離，二者周圍環境通常也相差較大，所以R值并非越大越好。R值越大，地形的影響越小，所以地形越復雜，R應越小。R值應根據實際的地形情況和站點位置來設定。地形平坦時，R值可以覆蓋整個網格點；地形復雜時，R值宜取其站點所在位置的代表性地形尺度，但并沒有一個普遍適用的值。當地面站位于山區/平原，而項目位于平原/山區時，二者地形相差十分明顯，則不應采用該地面站數據。

3 地面站其他資料在模式中的作用

(1)地面站其他氣象參數(包括溫度、濕度、氣壓、云量等)對濃度的影響沒有各高度的風向風速那么大。因為在小、中尺度區域中，這些參數的局地差異比對模擬結果起決定性影響的風向風速的差異要小得多。即使氣溫相差5℃，本身波動也只有1.7%左右(5/293)。

L參數的直接計算需要地表熱通量的觀測，通常以常規氣象要素的測值間接獲得，因此地理經緯度、地表參數、云量覆蓋對L的影響很大。第一項是由項目位置決定的，第二項來自于衛星探測數據(可人工修改)，只有第三項云量可從地面站獲取數據，而地面站云量觀測的時間間隔一般為6小時，其精準度及范圍代表性往往不如依據宏衛星觀探測和地表參數模擬計算的M3D數據。M3D本身已經平滑了小局地的影響，故沒有地面站時，Lx,y的鄰間差異較小，到上空高度，較小的差異更合理更客觀。所以增加地面站，對提高計算濃度的準確性幫助其實不大。

4 不同源高流場和地面濃度的關系

從前面的討論可知，地面流場和高空流場(>10 m)有時候并不一致，這不僅是因為風向隨高度往往有轉換和切變，還因為地面站資料與M3D資料的來源不一致。地面風速越小，差異越大，流場越復雜；隨著高度增加，風速增加，各點風向也趨于一致。

但是當風向隨高度有轉換和切變時，也并未反映在濃度場的分布上。為此，令源高h分別為25 m和240 m，分別計算高度為0 m、10 m、30 m、60 m、120 m、240 m的接受點濃度，分析各個高度上的濃度場分布情況，考察是否有濃度場的切變，結果如表4所示。

(1)從表4第一欄中可以看出，一個高度為25 m的常溫排放源，在240 m的高度上，濃度場、最大濃度值甚至最大濃度值的位置和地面都相差不大；同時，隨著高度的增加濃度加大，到120 m時，濃度最大。想象中對于一個常溫排放源，其最大濃度應該在源高的有效高度附近，由于實測困難，無法驗證。

(2)所列兩個時間的10 m高度風場和30～240 m高度風場明顯不同，中間存在風向切變，第2個時間下風向近乎相反。h為25 m時，從10 m至240 m高度上，濃度場相似，h為240 m時，從240 m至10 m高度上，濃度場也相似，說明濃度場并沒有隨風場的轉變而有相同的切變和轉換，而是近乎一個濃度場在不同高度上的水平投影，這與想象的情形大不相同。

5 結論

(1)氣象資料是大氣擴散預測模型最基礎的資料。由于Calpuff模式使用源高處的高空風向風速計算濃度，實際工作中應盡可能使用實測探空觀測資料。在沒有地面站資料的情況下，使用M3D數據能滿足一般情況下項目環評的模擬要求。

(2)Calpuff模式中地面站資料及其相關參數的設定對地面流場有明顯影響，但有M3D數據時，對預測濃度影響不大。

(3)Calpuff模式的計算結果主要受高空風場影響，因此濃度場形式有時與地面風向玫瑰不一致，對年均數據而言，有可能最大濃度的方向不是地面盛行風向的下風向，這會挑戰按照風玫瑰進行區劃布局的原有思路。

(4)氣流遇山體阻擋會爬坡或者繞流，Calpuff模式依流場計算濃度，所以其計算結果不會像AERMOD模式那樣受地形影響強烈。由于大氣擴散模擬問題本身的復雜性，任何模型都不會是完美

表4 不同高度上的濃度分布比較

的[11]，不同模型之間的預測結果存在差異也是正常的。因此，同一類型的環評預測應該使用同一種模型，其結果才具有可比性。

[1] 武斌, 邱培培. Calpuff模型技術導則Ver.5[Z]. 2010.

[2] 伯鑫, 吳忠祥, 王剛, 等. CALPUFF模式的標準化應用技術研究[J]. 環境科學與技術, 2014, 37(s2): 530- 534.

[3] 王艷妮, 王金樂, 辛亞蒲, 等. CALPUFF模型在貴州某復雜地形區域某項目環境影響評價中的應用[J].綠色科技, 2014(9): 231- 233.

[4] 余婷婷, 王林, 杜紅瑤, 等. AERMOD和CALPUFF空氣質量模型在山區復雜地形下的適用性研究[C]//四川省環境影響評價學術研討會. 四川省首屆環境影響評價學術研討論文集, 2009: 196- 202.

[5] 王朝磊. AERMOD與CALPUFF模型在復雜地形下環境影響評價應用探討[C]//中國環境影響評價研討會大會. 2014年中國環境影響評價研討會大會報告集, 2014.

[6] 欒忠慶, 肖勇, 孟凡偉. AERMOD與CALPUFF模型在環境影響評價中的應用與比較[C]//中國環境科學學會環境影響評價專業委員會. 第一屆全國大氣環境影響評價研討會論文集, 2010: 67- 72.

[7] 姚衛華, 郭永進, 張寶生. 利用CALPUFF大氣擴散模式對氟化物總量控制研究[J]. 環境工程, 2013, 31(6): 67- 70.

[8] 劉桂芳, 潘文斌. 大氣擴散模型AERMOD與CALPUFF輸入數據的對比研究[J]. 環境管理與科學, 2014, 39(9): 93- 96.

[9] 李宗凱, 潘云仙, 孫潤橋. 空氣污染氣象學原理及應用[M]. 北京: 氣象出版社, 1985: 88.

[10] 華萊士. 大氣科學概觀[M]. 王鵬飛, 譯. 上海: 上海科學技術出版社, 1981: 18- 28.

[11] 吳聲浩, 易海濤. 大氣擴散模型計算結果析疑[J]. 環境工程, 2013, 31(1): 103- 107.The Ground Meteorological Data and Its Impact on the Flow Field and Concentration in Calpuff Model

YI Hai-tao

(Zhongye Energy Conservation & Environment Protection Co., Ltd., Beijing 100088, China)

Due to the increasing requirements for model prediction and simulation precision, more and more projects are using Calpuff Model in EIA. Calpuff Model has more complex requirements for the use of ground meteorological data and parameter settings. However, the simulation results of real examples showed that the number of ground stations and some meteorological parameter settings had limited influence on the prediction results of concentration. Therefore, there is no need to be too strict on the number of ground stations in EIA, and it can be adjusted according to the precision requirements of prediction and simulation.

Calpuff Model; ground meteorological data; flow field; concentration; error

2016-07-15

易海濤(1958—)，男，湖南臨湘人，教授級高級工程師，主要研究方向為大氣環境影響評價，E-mail：110036720@qq.com

10.14068/j.ceia.2016.06.002

X51

A

2095-6444(2016)06-0004-05